跳到主要内容

律师反映,换了提示之后摘要开始捏造当事人,而 ROUGE-L 反倒涨了约 8 分。n-gram 与嵌入的重合为何能变高、产品却变糟?BERTScore、BLEU、ROUGE 各自在哪些任务里才算拿对了尺子?

Agent 评测与可靠性初级评测与可靠性

题目​

律师反映,换了提示之后摘要开始捏造当事人,而 ROUGE-L 反倒涨了约 8 分。n-gram 与嵌入的重合为何能变高、产品却变糟?BERTScore、BLEU、ROUGE 各自在哪些任务里才算拿对了尺子?

参考答案​